Förderung für Nachwuchswissenschaftler*innen aus aller Welt
Promotionsprojekte
© Michael J. Williams

Modelle des maschi­nel­len Lernens für die Analyse von Gravitationswellen

Mateusz Kapusta – Hector RCD Awardee Maximi­lian Dax

Moderne Gravi­ta­ti­ons­wel­len­ob­ser­va­to­rien wie LIGO, Virgo und KAGRA sowie zukünf­tige Projekte wie LISA sind unver­zicht­bare Werkzeuge für das Verständ­nis der physi­ka­li­schen Prozesse, die im gesam­ten Univer­sum ablau­fen. Die Komple­xi­tät und die schiere Menge der von ihnen gelie­fer­ten Daten machen die Analyse jedoch zu einer rechne­risch anspruchs­vol­len Aufgabe. Ziel meiner Doktor­ar­beit ist es, die Analyse der Daten dieser Obser­va­to­rien durch den Einsatz moder­ner Techni­ken des maschi­nel­len Lernens, darun­ter die simula­ti­ons­ba­sierte Inferenz (SBI), zu optimieren.

Die Beobach­tung von Gravi­ta­ti­ons­wel­len hat die Welt der Physik nach dem ersten Nachweis im Jahr 2016 im Sturm erobert. Seitdem ermög­li­chen uns LIGO, Virgo und KAGRA, verschie­dene Berei­che der Physik zu erfor­schen, darun­ter die allge­meine Relati­vi­täts­theo­rie, die Kosmo­lo­gie und die stellare Astro­phy­sik. Diese Fortschritte beruhen auf der Analyse und Charak­te­ri­sie­rung der von den Obser­va­to­rien gemes­se­nen Signale. Die Verar­bei­tung dieser Signale ist jedoch rechen­in­ten­siv und kann zu einem erheb­li­chen Engpass in der Analy­se­pipe­line werden.

Jüngste Fortschritte im maschi­nel­len Lernen haben zu einer Vielzahl domänen­spe­zi­fi­scher Anwen­dun­gen geführt. Eine dieser Techni­ken ist die simula­ti­ons­ba­sierte Inferenz (SBI), die die Inferenz für verschie­dene physi­ka­li­sche Probleme um mehrere Größen­ord­nun­gen beschleu­ni­gen kann, während gleich­zei­tig eine hohe Genau­ig­keit gewahrt bleibt. SBI wurde von unserer Gruppe bereits erfolg­reich auf die Gravi­ta­ti­ons­wel­len­ana­lyse angewen­det, was die Anwend­bar­keit des Frame­works belegt.

Im Mittel­punkt meiner Promo­tion steht die Weiter­ent­wick­lung des SBI-Rahmen­werks, um reale Daten­sätze – einschließ­lich fehlen­der Daten und anderer Unvoll­kom­men­hei­ten – besser verar­bei­ten zu können. Außer­dem streben wir an, diese Metho­den auf künftige Gravi­ta­ti­ons­wel­len­ob­ser­va­to­rien wie LISA auszu­wei­ten. Letzt­end­lich wollen wir SBI-Modelle leistungs­fä­hi­ger, flexi­bler und benut­zer­freund­li­cher gestal­ten, ohne dabei Abstri­che bei der Leistung oder Genau­ig­keit zu machen, und damit eine Grund­lage für eine effizi­en­tere Gravi­ta­ti­ons­wel­len­ana­lyse schaffen.

Modellierung der extrazellulären Matrix des menschlichen erwachsenen Gehirns nach einer Verletzung zum Ziel der Reparatur
Florent Draye

Mateusz Kapusta

ELLIS-Insti­tut Tübin­gen und Max-Planck-Insti­tut für Intel­li­gente Systeme

Betreut durch

Dr.

Maximi­lian Dax

Infor­ma­tik, Physik, Mathematik

Hector RCD Awardee seit 2025Disziplinen Maximilian Dax